П'ять парадоксів штучного інтелекту

Автор: Ян Делі, старший експерт компанії Tencent, Науково-дослідний інститут Tencent

Це епоха штучного інтелекту, яка сповнена парадоксів — парадокс прогнозування, парадокс кількості робочих місць, парадокс продуктивності, парадокс вартості даних, парадокс промислової революції... Ми рухаємось вперед через ці парадокси.

Парадокс прогнозування

Щодо майбутнього штучного інтелекту, здається, що люди ніколи не можуть точно прогнозувати, незалежно від того, чи це лауреати премії Тюрінга, лауреати Нобелівської премії, чи підприємці, стартапери. Вони завжди роблять нереалістичні або занадто обережні оцінки. Це і є парадокс прогнозування штучного інтелекту. В історії такі піонери, як Марвін Мінський, Аллен Ньюелл, Герберт Саймон, робили вражаючі прогнози. Наприклад, Марвін Мінський у 1970 році зазначив: "Протягом трьох-восьми років ми отримаємо машину з середнім людським інтелектом." І досі ми намагаємось досягти цього. Джеффрі Хінтон, найвпливовіша особа сьогодні, відомий як "батько штучного інтелекту", у 2016 році зробив прогноз: "Тренування радіологів слід негайно припинити. Очевидно, що результати глибокого навчання перевершать радіологів протягом п'яти років." Це не справдилося, реальність розвивалася в протилежному напрямку, за останнє десятиліття кількість і доходи радіологів у США значно зросли. Деміс Хасабіс, чий статус можна порівняти з Хінтоном, заявив (2025): "Протягом наступних десяти років штучний інтелект може допомогти вилікувати всі хвороби." Як один з найуспішніших підприємців у сфері штучного інтелекту, Амоді (2025) вважає, що штучний інтелект може подвоїти тривалість життя людства за 5-10 років. Щодо недавніх прогнозів, ми чекаємо з нетерпінням. Це прогнози шести найвідоміших особистостей. Що стосується теми, AGI (штучний загальний інтелект) є найбільш обговорюваною. Підприємці та науковці мають помітно різні оцінки щодо термінів реалізації AGI. Підприємці є радикально оптимістичними, навіть вважаючи, що це станеться дуже скоро. Основні чотири категорії: ① вже тут (ми в ньому, але не знаємо), ② скоро прийде (один-два роки), ③ прийде в короткостроковій перспективі (три-п'ять років), ④ прийде в довгостроковій перспективі (п'ять-десять років або навіть більше). Деякі з цих оцінок вже спростовані, інші ще потребують часу для перевірки. Як показано в таблиці нижче. Оцінки науковців загалом песимістичні, деякі навіть вважають AGI фальшивим поняттям, яке ніколи не з'явиться. Наприклад, Айріс ван Руй (2024) зазначила: "Створити AGI з когнітивними здібностями на рівні людини неможливо."

Таблиця прогнозів CEO відомих AI компаній щодо термінів появи AGI. Джерело: Науково-дослідний інститут Tencent, підготовлено у травні 2026 року. Люди люблять робити прогнози. Дехто робить це для реклами, щоб підбадьорити себе, інші — для наукових статей і проектів, а деякі просто для суперечок. Насправді, ніхто не знає, яким буде майбутнє. Майбутнє не слідує за встановленим сценарієм, воно визначається виборами та діями багатьох людей, формується через повне розривання з минулим, сповнене випадковостей і парадоксів. Як свиня, що живе в спокої, вона не може передбачити чорного лебедя на свято весни.

Парадокс кількості робочих місць

Вплив технологій на зайнятість є популярною темою, але й складною. Це стара тема, як привид, що блукає протягом сотень років. Вона відома всім, про неї можуть говорити як вчені, так і прості люди. Її нижня межа дуже низька, а верхня — дуже висока, люди постійно сперечаються, висловлюючи різні думки. Останніми роками вчені та організації звернулися до "даних", намагаючись довести свою точку зору науковим, строгим і високим методом. Міжнародні організації, такі як ОЕСР, МВФ, Всесвітній економічний форум, Конференція ООН з торгівлі та розвитку, Міжнародна організація праці, Світовий банк, а також консалтингові компанії, такі як Goldman Sachs, McKinsey, Pew Research Center, випустили звіти про вплив AI на зайнятість. Як показано в таблиці нижче.

Таблиця часткових кількісних оцінок впливу AI на зайнятість. Окремий звіт вже має значну вагу, навіть вважається еталоном. Але якщо подивитися на ці звіти разом, то можна побачити, що результати оцінок сильно відрізняються, в основному коливаються від 0,4% до 67%, практично не підлягають порівнянню. Це розчаровує. Передумовою кількісної оцінки впливу AI на зайнятість є можливість точно оцінити пульс розвитку технологій. Як зазначалося раніше, технологічні лідери ще не можуть точно прогнозувати майбутній розвиток AI, як економісти можуть кількісно оцінити вплив AI на зайнятість? Вони можуть лише припустити, що технологія є статичною або розвивається з певною швидкістю, але це не відповідає реальності. З іншого боку, AI не є незалежним фактором, на зайнятість впливають численні фактори, такі як економічний цикл, промислова економіка, розвиток технологій, структура населення, уподобання зайнятості, політика зайнятості, глобалізація, надзвичайні події тощо. Вони взаємопов'язані, взаємодіють, і неможливо відокремити AI від цього контексту. У цьому сенсі кількісна оцінка впливу AI на зайнятість є парадоксом.

Парадокс продуктивності

Штучний інтелект є новою технологією загального призначення, що має універсальне застосування, постійне вдосконалення та здатність сприяти інноваціям, є двигуном економічного зростання в майбутньому. Термін "штучний інтелект" з'явився 70 років тому, революція машинного навчання триває 14 років, а нинішня хвиля AI розгортається, від великих мовних моделей, мультимодальних систем до світових моделей, агентів, фізичного AI, все це з'являється один за одним. Проте зростання продуктивності не прискорюється помітно, навіть стикається з кризою продуктивності (Rogers, 2024). Від моменту випуску ChatGPT продуктивність праці в ЄС коливалася близько 0%, у першому кварталі цього року зросла на 0,1%. Протягом 14 кварталів з четвертого кварталу 2022 року по перший квартал 2026 року лише в трьох кварталах зростання продуктивності перевищувало довгостроковий середній рівень з 1999 року (1,0%). Як показано на малюнку нижче. США демонструють сильне зростання, з четвертого кварталу 2022 року по другий квартал 2026 року середнє зростання продуктивності праці в не сільськогосподарському секторі становить 2,2%, що є найвищим показником серед західних країн, але це лише відповідає довгостроковому середньому рівню з 1948 року (джерело: Бюро статистики праці США).

Малюнок: Зростання продуктивності праці в ЄС за останні роки (джерело: Євростат) Така ситуація, коли "технологічні інновації стрімко розвиваються, а зростання продуктивності викликає розчарування", є парадоксом продуктивності. Це не вперше. Лауреат Нобелівської премії з економіки Роберт Солоу у 1987 році написав: "Ви можете бачити комп'ютерну епоху скрізь, крім статистики продуктивності." Це вважається класичним виразом "парадоксу продуктивності" або "парадоксу Солоу". Щодо парадоксу продуктивності, основними поясненнями є помилкові очікування, помилки вимірювання та затримка в часі. Бриньольфссон вважає (2017), що пояснення затримки є найбільш переконливим, і є основною причиною парадоксу продуктивності, узагальнюючи затримку впливу технологій загального призначення на продуктивність у формі "J-подібної кривої". Технології загального призначення потребують кількох вторинних інновацій, комплементарних інновацій та організаційних змін, щоб мати суттєвий вплив на продуктивність. Історично, парова машина, генератор і комп'ютер почали помітно підвищувати продуктивність лише через 118, 91 і 49 років після винаходу відповідно, а також через 54, 40 і 21 рік після комерціалізації. Тому в довгостроковій перспективі парадокс продуктивності не є парадоксом. Штучному інтелекту ще потрібно час, щоб суттєво підвищити продуктивність.

Парадокс вартості даних

Дані є їжею для штучного інтелекту, їх потрібно багато і якісно, з великою кількістю даних, але якість "сміття на вході, сміття на виході (GIGO)", або можна сказати, що дані поділяються на "благородні" та "брудні". Дані визначають верхню межу можливостей штучного інтелекту, часто називаються "новою нафтою" (Клайв Хамбі, 2006) та "найціннішим ресурсом у світі" (The Economist, 2017), "таким же важливим, як енергія та матеріальні ресурси" (документ двох офісів, 2004). Використання даних має величезну цінність, але не має торгової або грошової вартості, як звичайні товари. Як зазначив Лі Гоцзе (2025): "Цінність даних можна визначити лише в процесі їх використання." ОЕСР (2024) проаналізувала політичні документи з 46 країн і виявила, що контекст політики, в якому з'являються "дані", варіюється від інновацій, довіри, суспільства, відкритості ринку, використання, зайнятості до доступу, і вони не зосереджуються на "торгівлі". Чень Чаншень (2023) зазначив: "Багато місць відкривають біржі даних, але розвиток 'торгівлі' на цих біржах не є дуже успішним". У контексті бурхливого розвитку ринків даних слід остерігатися формування поведінкової орієнтації "лише дані, які пройшли через торгівлю, є придатними для використання". Цінність даних має низьку щільність, важко монетизувати, їх частка в балансі активів є мізерною, практично незначною. Згідно з останніми даними Шанхайського університету Цзяо Тун, 136 китайських компаній, що котируються на біржі, розкрили інформацію про дані, що входять до балансу, загальна сума становить 3,786 мільярда юанів. Відповідно до цього, перше становить лише 2,5% від кількості компаній, що котируються на A-shares, а друге становить лише 0,3% від обсягу основної індустрії штучного інтелекту в Китаї. Три великі телекомунікаційні оператори домінують за обсягом даних, у 2025 році загальна сума становитиме 2,1 мільярда юанів, що становить 55,46% від загальної суми даних, що входять до балансу компаній. Але ці дані в загальному активі компаній займають лише близько 0,06%, що є незначним. Як показано в таблиці нижче.

Таблиця суми даних трьох великих операторів зв'язку, що входять до балансу, та їх частка (31.12.2025) Джерело даних: підготовлено на основі консолідованого балансу.

Парадокс промислової революції

Кожного разу, коли виникає нова технологічна хвиля, завжди знаходяться ті, хто порівнює її з паровою машиною, електрикою або комп'ютером, і з захопленням вигукує: "Це викличе четверту промислову революцію!" Це явище триває вже щонайменше півстоліття, починаючи з мікроелектроніки (1984), комп'ютерів (1988), нанотехнологій (1994), Інтернету (2000), альтернативних джерел енергії (2010), інформаційно-фізичних систем (2014). Останні десять років це стало ще більш помітним: великі дані (2016), штучний інтелект (2016), Інтернет речей (2016), промисловий Інтернет (2017), блокчейн (2017), квантові обчислення (2018) та розумне виробництво (2021) — всі вони отримали місію четвертої промислової революції. Як показано на малюнку нижче.

Малюнок: Розподіл кількості статей на Китайській знаній мережі з назвами "четверта промислова революція". Примітка: Критерій відбору — статті, в назві яких є "третя промислова революція", "третя індустріальна революція", "четверта промислова революція" та "четверта індустріальна революція". Щодо нинішньої революції, одні вважають її третьою, інші — четвертою; і промислова революція, і індустріальна революція в англійській мові є одним і тим же терміном "Industrial Revolution". Тому в цій статті не буде строгого розмежування. Ми майже завжди переживаємо четверту промислову революцію в медіа. Технології, які викликають цю революцію, завжди "нові листя замінюють старі, нові хвилі витісняють старі", попередні статистики нараховують щонайменше 20 нових технологій. Кожна нова технологія, якій надається велике значення в контексті четвертої промислової революції, здається, означає, що попередні були помилковими. Сьогодні люди вважають, що штучний інтелект є четвертою промисловою революцією. Деміс Хасабіс (2026) навіть зазначив: "Масштаб і швидкість AGI можуть бути в десять разів більшими, ніж промислова революція." Внутрішні підприємці також вважають, що штучний інтелект є останньою технологічною революцією людства. Штучний інтелект підтвердив минуле, але як він може підтвердити себе? Ми не можемо сперечатися, підкреслюючи два моменти. По-перше, промислова революція та економічна криза не можуть відбуватися одночасно. По-друге, попередні промислові революції не були передбачені, а є результатом оповіді після подій, люди, які перебували в них, не знали, що вони перебувають у промисловій революції. Першу промислову революцію (1760-ті — 1840-ті) термін "Industrial Revolution" став відомим лише через 40 років після її закінчення, завдяки Арнольду Тойнбі. Другу промислову революцію (1870-ті — 1914) термін "Друга промислова революція" почали використовувати економісти лише через 40 років після її закінчення, а через 55 років після її завершення Девід Лендес у своїй книзі "Необмежений Прометей" (1969) стандартизував її академічне визначення. Щодо третьої промислової революції немає єдиного розуміння, Джеремі Ріфкін (2011) вважає, що її темою є інтеграція Інтернету та відновлювальної енергії; "Економіст" (2012) вважає, що це цифровізація виробництва; Ерік Бриньольфссон і Ендрю Макафі (2011) вважають, що третя промислова революція є результатом впливу комп'ютерів і мереж. Давайте сподіватися, що цього разу буде інакше.

Цей контент надано лише для загальних інформаційних цілей і не є фінансовою, інвестиційною, юридичною чи податковою консультацією. Події, нагороди, онлайн-акцій або пов’язану інформацію, згадана тут, не слід розглядати як рекомендацію, прохання чи запрошення до купівлі, продажу, торгівлі чи інших операцій з криптоактивами. Криптоактиви є дуже волатильними та можуть призвести до збитків. Доступність послуг, продуктів WEEX та пов’язаних із ними подій може відрізнятися залежно від регіону. Ви несете відповідальність за забезпечення відповідності вашої участі чинному місцевому законодавству та нормативним актам.